TY -的A2 -史,Guolong盟——回族,汉城PY - 2021 DA - 2021/10/05 TI -智能资源分配方法,基于无线通信网络的深度学习技术SP - 3965087六世- 2021 AB -本文深度学习的方法是用来进行深入研究和分析了智能无线通信网络中资源分配。首先,与CSCN体系结构相关的概念进行了讨论和吞吐量CSCN小型基站(SBS)的体系结构进行了分析;然后,长期短期记忆网络(LSTM)模型用于预测用户的移动位置,和用户的传输条件得到基于两个条件,即移动位置的用户和用户的小型基站是否连接所需的缓存状态,和小基站选择传播。小基站选择几个用户提供最佳传输条件基于分数;然后,介绍了博弈论的概念模型的问题,最大化网络吞吐量作为multi-intelligent非合作的博弈问题;最后,基于深度增强学习无线资源分配算法,使小基站自主学习和基于网络环境选择频道资源最大化网络吞吐量。仿真结果表明,本文提出的算法会导致显著提高网络吞吐量相比,传统的随机存取算法和算法在文献中。在本文中,我们把它应用到细粒度的资源控制的用户流量分配问题,发现资源控制技术基于AC框架可以获得局部最优解的性能非常接近与polynomial-level matching-based比例公平用户双重连接算法计算复杂度。资源分配和任务卸载决定政策优化实现,最后的训练过程中,每个智能体独立执行资源分配和任务卸载根据当前系统状态和政策。最后,仿真结果表明,该算法可以有效地提高用户体验的质量,减少延迟和能量消耗。 SN - 1687-725X UR - https://doi.org/10.1155/2021/3965087 DO - 10.1155/2021/3965087 JF - Journal of Sensors PB - Hindawi KW - ER -